Multidisciplinary systemic and local therapies for metastatic renal cell carcinoma: a narrative review
Notice bibliographique
Résumé
INTRODUCTION: Systemic and local therapies for patients with metastatic renal cell carcinoma (mRCC) are often challenging despite the evolution of multimodal cancer therapies in the last decade. In this review, we will focus on recent multidisciplinary approaches for patients with mRCC. AREAS COVERED: Systemic therapies for patients with mRCC have been garnering attention particularly after the approval of immuno-oncology (IO) agents, including anti-programmed death 1/programmed death-ligand 1. IO combinations have significantly prolonged overall survival in patients with mRCC in the first-line setting. Regarding local therapies, cytoreductive nephrectomy (CN) has become less common in the post-Cancer du Rein Metastatique Nephrectomie et Antiangiogéniques (CARMENA) trial era, even though CN may still benefit selected patients with mRCC. In addition, metastasis-directed local therapies, namely metastasectomy or stereotactic radiotherapy, particularly for oligo-metastatic lesions or brain metastases, may have a prognostic impact. Several ablative techniques are also evolving while maintaining high local control rates with acceptable safety. EXPERT OPINION: Multimodal cancer therapies are essential for conquering complex cases of mRCC. Modern systemic therapies including IO-based combination therapy as well as local therapies including CN, metastasectomy, stereotactic radiotherapy, and ablative techniques appear to improve oncologic outcomes of patients with mRCC, although appropriate patient selection is indispensable.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».